@seclink: 这款拥有120亿参数的模型采用统一的 Transformer 架构，能够高效处理原始的多模态输入，且仅需 16GB 内存即可运行，完美适配 MacBook Pro 等设备。 它在各项基准测试中表现卓越，例如在 GPQA Diamond 上…
摘要
一款120亿参数的多模态模型开源发布，采用统一Transformer架构，仅需16GB内存即可运行，在多项基准测试中表现优异，支持256K上下文窗口和140多种语言。
查看缓存全文
缓存时间: 2026/06/04 03:57
这款拥有120亿参数的模型采用统一的 Transformer 架构，能够高效处理原始的多模态输入，且仅需 16GB 内存即可运行，完美适配 MacBook Pro 等设备。
它在各项基准测试中表现卓越，例如在 GPQA Diamond 上取得了 78.8% 的成绩，在 DocVQA 上更是高达 94.9%，其性能足以媲美规模更大的模型；
与此同时，它还支持 256K 的上下文窗口、140 多种语言以及逐步推理能力。
目前，该模型已在 Hugging Face 上以 Apache 2.0 许可证开源发布；得益于社区开发者的适配工作，用户现可实现快速的本地部署与运行。包括 Sundar Pichai 在内的业界领袖均对其给予高度评价，称赞其在日常硬件上为智能体（Agent）工作流找到了完美的平衡点。
相似文章
@FeitengLi: Hy-MT2 新的开源多语言翻译模型 能力可以跟顶尖大模型匹配、支持 33 种语言之间的互译，而且具备灵活的 Instruct 能力，实现了 2-bit 量化不足 500MB 的空间占用 可以很好的跑在端侧 https://modelsc…
Hy-MT2 is a new open-source multilingual translation model from Tencent Hy that supports 33 languages, offers flexible instruction capabilities, and achieves 2-bit quantization under 500MB for on-device deployment.
@Phoenixyin13: 这是全新的最佳美国开源模型。 Thinking Machines Lab 直接放出一个 975B 参数MoE 多模态巨兽，Apache-2.0 完全开源！在常规基准上，它甚至干掉了 NVIDIA 的 Nemotron 强项模型。 它的核心…
Thinking Machines Lab 发布了全新的 975B 参数 MoE 多模态开源模型，Apache-2.0 许可，在常规基准上超越 NVIDIA Nemotron，支持文本、图像、音频全模态，激活参数仅 41B，高效且友好部署。
@QingQ77: 从0训练一个0.1B的端到端全模态模型，一个权重搞定文字、语音、图片输入，输出文字和流式语音。 https://github.com/jingyaogong/minimind-o… MiniMind-O 是一个只有0.1B参数的全模态模型…
MiniMind-O 发布了一个仅 0.1B 参数的端到端全模态模型，支持文本、语音和图片输入及流式语音输出。该项目开源了代码、权重、训练数据和技术报告，强调在普通 GPU 上即可快速训练和推理。
@hank_aibtc: 家人们，本地 LLM太香了！ 刷到 Hugging Face 上这个 gpt-oss-20b-tq3，真的有点上头！ OpenAI 官方开源的 20B+ 参数 MoE 模型，被社区用 TurboQuant 3-bit 量化 + MLX 优…
The article highlights the gpt-oss-20b-tq3 model, a quantized version of an OpenAI MoE model that runs efficiently on standard 16GB MacBook Airs using TurboQuant and MLX optimizations.
@berryxia: Apple 一直其实在赌端侧模型的应用！ 统一架构内存就是端侧模型的天然温床！ 统一内存也就是，内存即显存。 也看到越来越多的优秀端侧模型出现。 OpenBMB 把 MiniCPM-V 4.6 这个 1.3B 的多模态模型放出来了，我看完…
OpenBMB 发布了 MiniCPM-V 4.6，一个 1.3B 参数的多模态模型，通过高分辨率视觉处理和高效压缩技术，在消费级硬件和手机上实现快速推理，性能超过同类大模型，且全面开源支持多种推理和量化框架。